京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代传统报业如何占位(1)_数据分析师考试
大数据时代的大门刚刚开启,巨头、中小企业、各类机构都将重新寻找在互联网中的位置,报业如何立足优势恰当占位?需要务实创新的思考和回答。
数据再“大”无用武之地等于零,要搜集“慢数据” “活数据”
互联网上每时每刻都在产生数据,人们生活中无所不在的各种设备,比如电脑、手机、智能电器、感应器等等,都能时刻留下人的行为痕迹,实时产生数据,这些呈几何级增加的数据沉淀在网上,成为大数据。这些大数据有多大用?
2014年5月29日,百度董事长兼CEO李彦宏在第九届百度联盟峰会上预测了“未来5年有非常大的发展”的两大产业机会,这两大产业是“BAT(百度、阿里巴巴、腾讯)三者都不会涉足的领域”:1.新型企业级软件,解决企业从内部到外部链接的问题;2.挖掘新的有价值的“慢数据”,发掘个性化的预测信息,为用户寻找真正有价值的新数据。
李彦宏的分析有共识性、有说服力——在用户规模扩大、流量激增的情况下,目前互联网企业面临尴尬:搜集上来真正有价值的数据很少,无价值数据增多,有价值数据积累并不比传统企业更有优势。“比如最近比较火的智能硬件,手环、眼镜,搜集很多的数据,但这些数据拿过来,总觉得用不上,没法分析。”为此,他建议企业通过搜集“慢数据”来获取真正有价值的数据,找准并挖掘能真正帮助用户解决问题的新数据。这一判断,对报业这样的传统企业来说既是一种安慰,更是鼓舞。
另一个与之印证的观点是,阿里巴巴集团执行副总裁曾鸣最近有一篇长文分析说,大数据最重要的特征不在大小,而在死活。数据的死活决定一切,从数据的管理到数据的运用,数据必须能活起来,开始跑通迭代,才能产生持续价值。
既然传统媒体与新兴媒体及很多大企业一样,对如何用好大数据基本站在同一起跑线上,对报业来说,如何利用自身优势和资源去发掘、应用好“慢数据”“活数据”,让大数据成为报业未来的一大新增长点,就成为迫切需要研究解决的重要课题。
报业在大数据产业中的一席之地在哪儿?
《大数据时代》的作者维克托•迈尔•舍恩伯格被誉为“大数据商业应用第一人”,他描述了大数据价值链的三大构成:第一种是基于数据本身的公司,这些公司拥有大量数据或者可以收集到大量数据。第二种是基于技能的公司,它们通常掌握了专业技能,但并不一定拥有数据,往往是技术供应商、分析公司或者咨询公司。第三种是基于思维的公司。
在互联网上,任何主动收集庞大数据的行为,其成本都难以想象。因此,基于数据本身的第一种公司在价值链中处于最核心的位置,比如美国的谷歌、苹果、Facebook、亚马逊,中国的腾讯、阿里巴巴、百度。他们的优势是大数据聚合和模型构建,他们也想方设法把自己打造成基础设施和平台,使大数据在自己的平台上发挥出最大效用。
比如, 2014年4月百度正式发布了大数据引擎,将核心大数据能力开放,向外界提供大数据存储、分析及挖掘的技术能力,以更好地帮助传统行业挖掘数据价值,加快传统行业转型升级。百度联盟将基于“开放云”“数据工厂”“百度大脑”三级开放平台,推进“人找信息”向“信息找人”的变革,为媒体、DSP、广告主、代理商提供更简单、高效的推广及变现平台。
而具有数据思维和数据技术的公司,在未来竞争中也处于有利地位,围绕着数据化变革,将衍生出新的商业模式。一是数据资产存储,二是数据资产定价,三是数据资产中介,四是数据资产管理,五是数据驱动的解决方案。①
从价值链和报业传统优势的角度分析,报业即使在采集、处理、储存、传播等各方面完全数字化后,即使数据量再大,与那些互联网入口企业相比、与真正生成大数据的公司相比,那点数据还远远不够大,因此不可能去做基于数据本身的公司。比较理性、可行的选择是,传统报业对大数据的运用着力点应是数据资产中介、数据资产管理、数据驱动的解决方案三大类。
数据资产中介——这个应用领域对媒体来说并不陌生,比如彭博社、路透社和《朝日新闻》、日本经济新闻社等新闻机构,收集免费的数据制成数据库,通过数据的加工和组合、分析产生新的价值,再卖给有需求的企业、机构。这是一些大通讯社和财经专业媒体的强项。
数据资产管理——听起来有点儿抽象,但其中可操作的内容对报业并不陌生。比如,网络上每天产生各种新闻、信息,特别是负面新闻、评论,无论对机构、企业和个人而言都是正面或负面资产,既然是资产,如何管理就是一门生意。舆论监督本就是报业的核心功能之一,加之媒体对舆论危机公关比较擅长,由此延伸到数据资产的管理,角色跨度并不很大,不失为基于报业资源优势的一种务实选择。
再看数据驱动的解决方案——对报业来说其应用领域相当广泛。未来,媒体在做好社会记录者与信息传播者外,更应定位成社会解读者和分析预测者,做好信息和数据的深度加工、深度解读和去伪存真的服务,而大数据无疑能成为报业进行全面深刻洞察的一大利器。 下面将具体分析。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-07-06在 CDA 数据分析师能力体系中,透视分析是数据探索、多维度汇总、业务复盘的核心基础技能。无论是 Excel 数据透视表,还是 Power ...
2026-07-03在市场竞争日趋激烈、获客成本持续攀升的当下,企业粗放式的“广撒网”获客模式早已无法适配经营需求。企业经营的核心逻辑,已经 ...
2026-07-03 很多数据分析师精通Excel函数和数据透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么 ...
2026-07-03【核心关键词】运营、企业、核心、客户、新技术、数字化运营、数据分析、传统企业、人工录入、生产系统、技术人员、数据安全、 ...
2026-07-02在产品开发、项目立项、业务拓展、运营优化的工作中,市场调查、竞品分析、需求调研是三大核心基础工作。很多从业者容易将三者混 ...
2026-07-02